Who Leads Machine Learning Research? A Bibliometric Portrait of 1,000 Top-Cited Researchers on Google Scholar
本論文は、2026年6月に収集された、引用数の多い996人の機械学習研究者の公開データセットであるScholar-ML-1000を紹介するものであり、これはGoogleやDeepMindといった主要なテック企業が、今やトップクラスの大学を合わせた数よりも多くの主要な機械学習学者の拠点を有していることを明らかにすると同時に、この分野における顕著なグローバルな多様性と学際的な広がりを浮き彫りにしている。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
機械学習（ML）研究の世界を、巨大で活気にあふれた一つの都市だと想像してみてください。長年、人々は誰が実際に主導権を握っているのかについて議論してきました。それは、伝統的な大学（「アカデミア」）なのでしょうか、それとも巨大テック企業（「インダストリー」）なのでしょうか？最も優秀な人々は大学を離れて大企業へと移り変わっているのでしょうか、それとも留まっているのでしょうか？
クナール・ダンダ博士（Dr. Kunal Dhanda）は、この論争に決着をつけるため、巨大な国勢調査を行うことにしました。彼は「Scholar-ML-1000」と呼ばれるリストを作成しました。これは、どれほど多くの人々がその研究を読み、引用しているかによってランク付けされた、世界で最も有名なトップ1,000人の機械学習研究者の「誰が重要人物か」をまとめたリストです。
彼が見出した物語を、分かりやすく説明します。
1. 「都市」の地図：人々はどこに住んでいるのか？
ダンダ博士は、トップ1,000人を対象に「彼らはどこで働いているのか？」と問いかけました。
- 結果： 驚くべきことに、大学がいまだに過半数を占めています。これらトップ研究者の約**52%**は、依然としてアカデミアで働いています。
- ひねり： 大学は最も多くの「人数」を抱えていますが、テック巨人は信じられないほど強力です。具体的には、GoogleとGoogle DeepMindだけで、これらトップ研究者のうち209人を雇用しています。
- 比喩： 世界のトップ1,000人のアスリートを想像してみてください。彼らは何千もの高校や大学に分散していると予想されるでしょう。しかし実際には、一つの特定のプライベート・スポーツクラブ（Google/DeepMind）が、トップ3つの大学（スタンフォード、MIT、バークレー）を合わせた人数よりも多くの選手を登録していることが分かります。そのクラブは「スーパー・クラブ」なのです。
2. 「頭脳流出」の神話
「頭脳流出」があまりに深刻で、大学は空っぽの殻になり、すべての天才が企業の研究所に移ってしまったという懸念があります。
- 現実： この論文によれば、その恐怖は部分的には真実ですが、大部分は誇張されています。確かに、多くの若く勢いのあるスターたちが業界へと流れています。しかし、「古参」である、最も有名で引用数の多いシニア研究者たちは、依然として主に大学に留まっています。「アカデミア」は、依然として引用総数の最大シェア（52.3%）を保持しています。
- 比喩： それは川のようなものです。水（新しい才能）は間違いなく海（インダストリー）に向かって流れていますが、その上流にある巨大な山の湖（アカデミア）は、まだ海が集めた量よりも多くの水を保持しています。
3. 「目に見えない」隣人たち
機械学習と聞くと、通常はコンピュータ、ロボット、あるいはチャットボットを思い浮かべるでしょう。しかし、このリストは予想外の事実を明らかにしました。
- 発見： トップ研究者のかなりの割合が、単なる「コンピュータ科学者」ではありません。彼らは素粒子物理学者、生物学者、そして天文学者なのです。
- 比喩： もしあなたがトップ1,000人のMLエキスパートが集まる部屋に入ったとしたら、パーカーを着てコーディングしている人たちだけでなく、宇宙の最小粒子（CERNのような場所）を研究する白衣を着た人々や、遠くの星を見つめる人々も目にすることになるでしょう。彼らは機械学習を、自分たちの特定の謎を解くためのツールとして使用しており、その結果、世界の「トップ1,000」リストに名を連ねるほど成功しているのです。
4. 「引用」スコアボード
論文は、引用数（他の科学者がどれほどその研究を引用しているか）に基づいて、これらの研究者がどれほど「人気」があるかを調査しました。
- 不平等： 科学の世界では、少数の人々がほとんどの栄誉を手にするのが常です。これは「ジニ係数」と呼ばれます。
- 発見： これら1,000人の間での不平等は、インダストリーのみのリストよりも低い数値でした。これは、ヨシュア・ベンジオやジェフリー・ヒントンのようなスーパースターが存在する一方で、「中流階級」の研究者たちもかなり充実していることを意味します。インダストリーでは、数人のスターがすべてを支配してしまうことがありますが、アカデミアでは名声がもう少し均等に分散されています。
5. 「ゴースト」問題（データクリーニング）
出版前に、ダンダ博士はリストのクリーニングを行わなければなりませんでした。彼は4つの「偽物」のアカウントを発見しました。
- 問題： プロフィールによって、数字が膨らまされたり、偽造されたりしていました。一人は、人間としてはあり得ない、550万近い引用数を主張していました。また、マネジメントに関する論文の中でたまたま「機械学習」という言葉を使っただけで、実際にはML研究者ではない人々もいました。
- 修正： 彼はこれら4人の「ゴースト」を取り除き、996人の本物の研究者によるクリーンなリストを作成しました。
まとめ：大きな全体像
この論文は、2026年6月時点の機械学習の世界を捉えた高解像度の写真のようなものです。
- 大学は、依然としてトップレベルの才能の大部分の主要な拠点です。
- Googleは、最高峰の大学をも圧倒する、トップ人材の最大の雇用主です。
- 機械学習はもはや単なるコンピュータサイエンスのトピックではなく、物理学者や生物学者がヘビーに活用するツールとなっており、彼らもまたエリートの一員となっています。
- **「頭脳流出」**は起きていますが、まだ大学を空っぽにはしていません。
著者はリストと、これを見つけ出すために使用したコードを公開しており、他の人々がこの「エコシステム」をさらに研究することを推奨しています。これは、誰がマシンをより賢くするための先陣を切っているのかを示すスナップショットであり、そのリーダーシップは、教授、企業科学者、そして他の分野の科学者たちが混ざり合ったものであることが判明しました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。